🧮 科学计算¶
🧠 NeurIPS2026 · 7 篇论文解读
📌 同领域跨会议浏览： 📷 CVPR2026 (3)
🔥 高频主题： 对抗鲁棒 ×2
- AOT-POT: Adaptive Operator Transformation for Large-Scale PDE Pre-training
-
针对异质偏微分方程（PDE）解算子结构差异大导致的预训练拟合瓶颈，AOT-POT受经典数值变换启发引入输入自适应的多流算子变换块，仅增加3%参数即可将解算子投影为更易联合建模的统一空间，在12项基准上相对L2误差平均降低40.9%。
- Conservative Neural Posterior Estimation via Distributionally Robust Training
-
针对低仿真预算下神经后验估计易产生过度自信与欠覆盖的问题，本文提出基于 Wasserstein 分布鲁棒优化的 DRO-NPE，通过一阶梯度正则化上界化总体风险与 KL 覆盖/校准误差，显著提升后验推断的保守性与泛化能力。
- Controlling Transient Amplification Improves Long-horizon Rollouts
-
针对自回归物理神经模拟器在长程外推时快速漂移发散的瓶颈，本文揭示了局部雅可比矩阵的非正规性与非对易性诱发误差瞬态放大是结构性根源，提出了零推理开销的对易性与正规性正则化，使长程外推稳定运行数千步。
- Cross-Fitting for Neural Posterior Estimation
-
针对神经后验估计（NPE）联合训练均值与方差时样本内残差趋零所导致的后验严重过度自信问题，本文提出基于样本分割的交叉拟合神经后验估计（CF-NPE），将后验均值回归与样本外残差条件密度估计两阶段解耦，从根本上消除了均值欠拟合与方差过拟合的权衡，在多项高维任务中实现了近乎完美的后验校准与显著更高的泛化对数似然。
- Curriculum Multiple Shooting for Robust Training of Neural and Universal Differential Equations
-
本文提出课程多重打靶法（Curriculum Multiple Shooting, CMS），在训练过程中逐步合并相邻打靶时间窗口直至退化为单打靶目标，兼顾了短轨迹优化平滑性与全轨迹全局动态视野，显著提升了神经与通用微分方程在噪声、稀疏观测及刚性系统下的拟合与外推泛化能力。
- End-to-End Neural Modeling of EM Response and Design Performance for Free-Form RFIC Passives
-
针对射频集成电路中自由形态无源匹配网络传统电磁仿真耗时过长的瓶颈，本文提出一种结合频率条件化神经模拟器与电路条件化神经求解器的端到端框架，引入补充响应与依赖正则化打破误差传递瓶颈，以每秒上万次评估的速度实现双目标高精度预测。
- MC2: Monte Carlo Correction for Fast Elliptic PDE Solving
-
本文提出混合求解器 MC2，将极低采样预算的 Walk-on-Spheres 蒙特卡洛解视作含结构化噪声的估计量，利用单遍前向神经校正网络消除有限样本方差，在单张前向传递下匹配超 1000 倍采样预算的高精度解，并构建了涵盖 200 万实例的大规模椭圆偏微分方程基准 PDEZoo。